Altius. 2020

9 Altius. | 2020
hangt van vele factoren af, maar zeker is dat
grondige validatie van de systemen nodig zal
zijn. Verder zal er nog veel moeten gebeuren op
het vlak van de uitlegbaarheid (explainability) van
de deep learning systemen, voordat deze systemen
ingezet kunnen worden om beslissingen te
maken in de medische toepassing. Desondanks
geeft 24% van de MBB’ers in een onderzoek aan
dat kunstmatige intelligentie hun eigen rol zal
verminderen, 31% dat die vermindering voor alle
MBB’ers zal gelden en 38.3% denkt dat het aantal
benodigde MBB’ers zal dalen door de nieuwe
technologie [1].
Frey en Osborne hebben in hun studie naar de
effecten van ‘computerisation’ van verschillende
banen ook gekeken naar de ‘radiological technician’
[5]. Zij stellen dat de kans dat deze beroepsgroep
wordt vervangen door computers ‘slechts’
23% is. Ter vergelijking: de kans dat een chirurg
wordt vervangen is nagenoeg nul, terwijl de kans
dat een telemarketeer zijn baan verliest op 99%
uitkomt. Ook het ASRT rapport laat zien dat MB-
B’ers zich niet zo’n zorgen maken over een mogelijk
negatief effect van AI op hun professionele
vooruitzichten [1].
Het mag duidelijk zijn dat op dit moment de
vraag naar zorgpersoneel alleen maar stijgt, als
kunstmatige intelligentie kan helpen om die
vraag te stabiliseren zal dat alleen maar een gunstig
effect hebben op de werkdruk. Daarnaast
zijn hoogwaardige vaardigheden zoals van de
MBB’er nodig voor het maken van de finale beslissing
met betrekking tot de acquisitie en de
diagnostische kwaliteit van de beelden [1]. Deze
informatie is nodig om de op kunstmatige intelligentie
gebaseerde systemen op een goede manier
te kunnen trainen, valideren en gebruiken.
Er kan zeker geconcludeerd worden dat kunstmatige
intelligentie een rol gaat spelen in het
werk van de MBB’er. Wat jij kunt doen om je hierop
voor te bereiden? Zorg ervoor dat je bekend
raakt met AI, zodat je kunt meedenken en helpen
in de ontwikkeling, het testen en valideren van
deze nieuwe systemen. Dit kun je bijvoorbeeld
doen door stage te lopen bij een van de Machine
Learning Lab projecten binnen het Data Science
Center in Health van het UMCG!
Dr.ir. Peter van Ooijen
Associate prof. Medical Imaging Informatics, afdeling
Radiotherapie
Coordinator Machine Learning Lab, Data Science
Center in Health (DASH)
Meer weten? Neem contact op met dash@umcg.nl.
Referenties
[1] HCIAC Corporate Roundtable Subcommittee on Artificial Intelligence, „The Artificial Intelligene Era: The Role of Radiologic
Technologists and Radiation Therapists,” American Society of Radiologic Technologists (asrt) Foundation, Albuquerqu,
NM, 2020.
[2] F. Psapane, M. Codari en F. Sardanelli, „Artificial Intelligence in medical imaging: threat or opportunity? Radiologists again
at the forefront of innovation in medicine,” European Radiology Experimental, vol. 2, nr. 35, 2018.
[3] J. Li, U. Udayasankar, Toth en TL, „Automatic patient centering for MDCT: effect on radiation dose,” AJR, vol. 188, pp. 547-
552, 2007.
[4] T. Kaasalainen, K. Palmu en A. Lampinen, „Effect of vertical positioning on organ dose, image noise and contrast in pediatric
chest CT-phantom study,” Pediatric Radiology, vol. 43, pp. 673-684, 2013.
[5] C. B. Frey en M. A. Osborne, „The future of employment: How susceptible are jobs to computerisation?,” Oxford Martin
Programme on Technology and Employment, Oxford, 2013.